[发明专利]基于全局平均池化卷积神经网络的中文情感倾向性分类方法

摘要

本发明提供了一种基于全局平均池化卷积神经网络的中文情感倾向性分类方法，是利用计算机对从网络采集的中文文本进行分析的技术。本方法构建了一个基于全局平均池化卷积神经网络的中文情感倾向性分类模型，该模型利用三层通道变换卷积层提取语义情感特征，然后全局平均池化层对卷积层提取的特征进行池化计算，得到对应到各个输出类别的置信值，然后由Softmax输出情感分类标签。本方法设置模型参数进行多次训练，选取分类准确率最高的模型用于中文情感倾向性分类。本发明避免了传统情感分析中繁琐的特征工程，加强了模型提取语义情感特征的能力，有效避免了模型过拟合，提升了模型情感倾向性分类的性能。

主权项

1.一种基于全局平均池化卷积神经网络的中文情感倾向性分类方法，其特征在于，包括如下步骤：步骤1，对收集的中文语料进行情感倾向性标注；步骤2，对中文语料向量化，包括：对中文语料进行分词，统一分词后的句子长度，通过词嵌入的方式将每个词替换为其词向量，得到预处理后的句子向量；步骤3，构建基于全局平均池化卷积神经网络的中文情感倾向性分类模型，该模型利用三层通道变换卷积层提取语义情感特征，然后用全局平均池化层对卷积层提取的特征进行池化计算，得到对应到各个输出情感类别的置信值，然后由Softmax输出情感分类标签；步骤4，进行模型训练，包括：将预处理后的语料进行随机打乱，并划分训练集和测试集，设置模型参数进行训练，测试每次训练的模型的分类准确率；步骤5，使用步骤4得到的分类准确率最高的模型，来进行中文情感倾向性分类。